一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

长春系统生物学国际研讨会

为了促进国内生物信息学在教学、科研等方面与国际同行间的交流，进一步推动我国在系统生物学方面的研究，由美国佐治亚大学系统生物学研究所所长徐鹰教授倡议，吉林大学计算机科学与技术学院、基础医学院、生命科学学院、分子酶学工程教育部重点实验室联合主办，于2007年6月20-21日在长春召开了“长春系统生物学国际研讨会（ChangchunInternationalWorkshoponSystemsBiology）”。     

人工神经网络BP算法密集型数据的预处理

针对误差反向传播算法密集数据输入问题，提出一种数据预处理方法。模拟实验表明，采用这种预处理技术可以极大地改善密集型数据输入时网络的学习效率。     

基于局部密度比的模糊隶属度设置算法

基于知识发现中的局部异常因子思想, 提出一种基于局部密度比的模糊隶属度设置算法, 该算法根据样本的邻域密度比设置样本的隶属度, 并采用一种单参数选择策略. 数值实验表明, 所提出的算法在带噪声的非线性函数估计方面具有很好的鲁棒性, 有效地解决了模糊支持向量机中的模糊隶属度设置问题, 对处理带噪声的分类和非线性函数估计问题具有重要的意义.     

长春国际生物信息学研讨会简介

为了推动我国生物信息科学的发展，中国科学院院士陆汝钤教授和美国佐治亚大学生物化学与分子生物学系徐鹰教授于2003年联合发起了在中国召开国际生物信息学研讨会的倡议。研讨会的宗旨是推动国内生物信息学的教学、科研与国际交流。陆汝钤教授和徐鹰教授的联合倡议得到了国内外生物信息学领域相关研究人员的热烈响应。目前，国际生物信息学研讨会已经在国内连续召开了3届。首届国际生物信息学研讨会于2003年12月在复旦大学举行，由徐鹰教授和陆汝钤院士联合主持。     

不同质量恒星的核合成产率

恒星核合成产率是星系化学演化模型中一个非常重要的参量,采用不同的产率会得到元素的不同演化行为,从而给出不同的星系化学演化信息.而由于采用不同的核合成计算参数,不同研究者计算出的产率有所区别.评述了最近发表的中、小质量恒星及大质量恒星的演化与核合成计算结果,并对他们所采用的参数进行了比较,为恒星核合成计算及星系化学演化研究提供有益的参考与指导.     

基于SOM算法的蛋白质亚细胞位置预测

由于蛋白质的功能与亚细胞位置有关,可以通过预测蛋白质的亚细胞位置来推断蛋白质分子的功能.首先介绍了SOM模型和Batch-Type SOM模型,并用这两个模型分别预测了蛋白质的亚细胞位置,结果表明,使用SOM模型和Batch-Type SOM模型均可以比较准确地预测蛋白质的亚细胞位置;Batch-Type SOM模型在保持预测准确率的同时还可以减少预测的时间.     

一种基于改进互信息的文本分类方法

用改进的互信息公式进行特征选择,通过三种文本分类方法验证了改进的公式具有较高的准确率、召回率和F1值,从而证明改进的互信息公式的有效性.     

神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测.预测结果表明,RBF网络计算量少,学习速度快,预测精度高.     

用适应度-距离选择机制遗传算法识别油气层

为提高遗传算法种群的多样性,在选择父辈串的时候通过综合考虑适应度值与彼此之间的海明距离确定选择机制,提出了基于适应度-距离(FD:Fitness-Distance)选择机制的遗传算法(GA:Genetic Algorithm).将该遗传算法与人工神经网络(ANN:Artificial Neural Network)技术相结合, 应用于油气层的识别问题中.通过对实际样本的验证,获得了较好的效果,达到了快速识别油气层的目的,对两个实例的训练精度分别比标准遗传算法提高了22. 6%和10.5%.